【2025CVPR-小样本图象分割】The Devil is in Low-Level Features for Cross-Domain Few-Shot Segmentation

​关键发现​：

• 在跨域小样本分割（CDFSS）任务中，​目标域性能在训练初期（甚至第1个epoch）达到峰值，随后急剧下降​（见图1b）。
• 现象根源：​低层特征（如边缘、纹理）对域偏移高度敏感，导致模型在源域训练中过度吸收域特定信息，损失景观（loss landscape）逐渐尖锐化（见图5a-c），泛化能力下降。

​实验验证​：

• ​可视化分析​：深层特征错误源于低层特征崩溃（图3）。训练后期，低层激活图可区分性降低（图4）。
• ​量化证据​：
  • 固定低层权重（如Stage 1-2）可延缓性能下降（图6）。
  • 低层特征扰动引发更大性能波动（图5d），表